タスクの説明 これは、[SNA Hackathon - 画像][1]（[SNA Hackathon][2]の3つのタスクの1つ）のデータです。 [SNA Hackathon][2]のコンペティションのために、2018年2月から3月にかけて、ソーシャルネットワーク[Одноклассники][4]のユーザーのニュースフィード内の公開グループからコンテンツの表示ログが収集されました。テストセットには、3月の最後の1週間半が隠されています。ログ内の各レコードには、何が誰に表示されたか、またユーザーがそのコンテンツにどのように反応したか（「いいね」を付けた、コメントを残した、無視した、またはフィードから非表示にした）に関する情報が含まれています。 タスクの要旨は、テストセットの各ユーザーに対して、「いいね」を獲得する可能性の高い候補をできるだけ上位に配置するように候補をランキングすることです。 データの説明 情報は[Apache Parquet][5]形式で提供されており、これはSparkフレームワークの主要な形式です。Pythonでこの形式を扱う場合は、[Apache Arrow][6]ライブラリを使用することをおすすめします。理解を容易にするために、[GitHub][7]のリポジトリにはベースラインが公開されています。ご利用ください。 訓練セットでは、データは日ごとに分割され、1日の中でもユーザーIDによって6つの部分に分けられています（同じユーザーは常に同じ部分に分類されます）。このような配置により、参加者はすべてのデータを一度に分析するのではなく、特定の日やユーザーのサブグループに限定して分析することができます。 データには以下のフィールドが含まれています（`/train` と `/test` ディレクトリ）： - `instanceId_userId` — ユーザーの識別子（匿名化されています） - `instanceId_objectType` — オブジェクトのタイプ - `instanceId_objectId` — オブジェクトの識別子（匿名化されています） - `feedback` — ユーザーの反応タイプの配列（配列内に `Liked` トークンが含まれている場合は、ユーザーがオブジェクトに「いいね」を付けたことを示します） - `audit_clientType` — ユーザーがアクセスしたプラットフォームのタイプ - `audit_timestamp` — フィードが生成された時間 - `metadata_ownerId` — 表示されたオブジェクトの作成者（匿名化されています） - `metadata_createdAt` — 表示されたオブジェクトの作成日 画像によるランキング用のデータには、さらに画像オブジェクトに関連付けられたMD5ハッシュの配列である `ImageId` フィールドが含まれています。画像データは、ハッシュの最初の文字に応じて、個別のtarファイル（`/train_thumbnails` と `/test_thumbnails` ディレクトリ）に分割されています。 結果の評価 チャンピオンシップの参加者は、「いいね」を獲得する可能性の高いオブジェクトがフィードの上部に表示されるように、フィードをソートする必要があります。ソートは各ユーザーごとに個別に行われ、その後、次の形式の提出ファイルが作成されます（形式は、列の型が `int` と `int[]` のPandasデータフレームからのエクスポートに対応しています）： User_id_1,"[object_id_1_1, object_id_2_2] User_id_2,"[object_id_2_1, object_id_2_2, object_id_2_3] 提出ファイルには、テストセットの各ユーザーに対応する行が含まれている必要があり、行はIDの昇順にソートされている必要があります。各ユーザーのオブジェクトは、関連性の降順にソートされている必要があります。提出ファイルの評価では、各ユーザーごとに個別のROC-AUCが計算され、その後、すべてのユーザーに対する平均が計算され、100倍されます。 [1]: https://mlbootcamp.ru/round/18/tasks/ [2]: https://snahackathon.org/ [3]: https://mlbootcamp.ru/round/18/tasks/ [4]: https://ok.ru/ [5]: https://parquet.apache.org/ [6]: https://arrow.apache.org/ [7]: https://github.com/MailRuChamps/snahackathon